- 发布日期
已在 iPhone 17 Pro 上完整运行 Qwen 3.6，消息称 PrismML 模型 AI 压缩技术被苹果看中
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
苹果公司正与AI初创公司PrismML接触，探讨在iPhone上直接运行更大规模AI模型的可能性。据科技媒体The Information报道，苹果看中PrismML的原生1-bit模型压缩技术，该技术可将模型体积压缩至全精度版本的1/14左右，内存占用降低超90%。这项技术已在iPhone 17 Pro上成功运行了阿里巴巴开源的大型语言模型Qwen 3.6（27B参数）。
PrismML是加州理工衍生出的初创公司，其核心技术为原生1-bit模型压缩，权重仅用{-1, +1}表示，配合分组缩放因子，而非传统量化方法。该技术声称无“高精度逃生通道”，在保持接近FP16模型精度的同时，推理速度提升最高8倍，能耗降低75%-80%。这意味着一款原本需要服务器级硬件的AI模型，如今可以在手机端流畅运行。
苹果长期致力于增强设备端AI能力，以提升隐私保护和响应速度。目前iPhone上的AI功能如Siri和照片识别仍部分依赖云端，而本地化运行大型模型将显著减少网络延迟和数据上传风险。苹果已在iPhone中集成神经网络引擎，但受限于功耗和内存，此前无法运行超过数亿参数的模型。PrismML的压缩技术有望打破这一瓶颈。
报道指出，PrismML已成功精简Qwen 3.6并使其在iPhone 17 Pro上完整运行。苹果看中的正是其量化能力，希望进一步增强本地AI模型的推理性能。若该技术落地，未来iPhone将能独立处理更复杂的任务，例如实时语言翻译、高级图像生成或自然语言理解。
分析认为，此举将推动移动设备AI能力跃升。本地化运行大型模型可减少对云端的依赖，不仅保护用户数据隐私，还能实现毫秒级响应。例如，Siri将能理解更复杂的指令，相机可实时识别物体并叠加信息。不过，该技术尚处于早期验证阶段，苹果是否最终采用仍存变数。
行业趋势显示，越来越多公司探索在边缘设备运行大模型。高通、联发科等芯片厂商也在优化硬件适配。PrismML的1-bit技术如果通过苹果测试，可能促使更多模型压缩方案涌现。未来，智能手机、智能家居甚至可穿戴设备都可能具备本地AI推理能力，彻底改变人机交互方式。
目前苹果尚未公开确认与PrismML的合作，但供应链消息显示双方已进行多轮技术演示。若进展顺利，下一代iPhone（iPhone 17系列）或搭载更强的本地AI能力。届时，用户无需联网即可享受高质量AI服务，同时电池续航不会显著下降。
